Intermédiaire 11 minImage

Générer des images en local : Ollama, Stable Diffusion

Ollama peut désormais générer des images en local, de manière expérimentale sur macOS. Il faut un modèle de génération compatible : un modèle de vision qui décrit une photo ne crée pas automatiquement une image. Sur Windows et Linux, ou pour un workflow plus complet, ComfyUI et les outils Stable Diffusion restent des parcours distincts.

Par Mohamed Meguedmi·Màj 2026-10-14·Testé sur Windows, macOS, Linux

#Ollama et l'image : ce qu'il sait et ne sait pas faire

Ollama sert des modèles de texte et de vision, et propose depuis janvier 2026 une génération d'images expérimentale. Au 14 octobre 2026, ce parcours est indiqué comme réservé à macOS. Vérifiez votre version et la fiche du modèle avant de suivre un ancien tutoriel qui présente Ollama comme incapable de créer une image.

Comprendre une photo et produire un PNG sont deux capacités différentes. Un modèle de vision reçoit une image et répond par du texte ; pour créer une image, choisissez un modèle de génération compatible, par exemple x/z-image-turbo ou x/flux2-klein. Le modèle chargé et le moteur disponible déterminent ce que la commande peut faire.

!
Ollama : expérimental sur macOS
La génération d'images d'Ollama reste expérimentale et réservée à macOS selon les fiches officielles consultées. Elle ne signifie pas que tous les modèles Stable Diffusion peuvent être lancés avec ollama run. Sur Windows ou Linux, utilisez un moteur compatible comme ComfyUI.

Sur un Mac compatible, vous pouvez essayer une commande ci-dessous après avoir téléchargé la version actuelle d'Ollama. Attendez la fin du téléchargement et vérifiez le fichier image produit. Ce parcours est documenté ici ; aucune vitesse de génération ni quantité minimale de mémoire n'est annoncée comme mesurée.

Ollama : génération d’images expérimentale sur macOS
ollama run x/z-image-turbo "Un paysage de montagne au lever du soleil, aquarelle"
# Autre modèle disponible :
ollama run x/flux2-klein "Une tasse de café sur une table en bois, lumière naturelle"
i
Poids du fichier ≠ mémoire nécessaire
La fiche Z-Image Turbo indique environ 13 Go pour les poids FP8 et 33 Go en BF16. Il s'agit des fichiers du modèle, pas d'une garantie de mémoire nécessaire à la génération. Gardez une marge pour le moteur et les images ; les repères de VRAM Stable Diffusion ci-dessous ne s'appliquent pas automatiquement à ce modèle.

#Pourquoi générer ses images en local

Le kit complet pour créer tes images avec une IA locale.

Profite de notre expérience et d’un parcours guidé pour prendre en main tes outils et créer tes images en local.

  • Espace en ligne à vie
  • PDF + fichiers
  • Remboursé 30 j
Découvrir le kit Images IA : 24 €ou Tous les kits à vie : 49 € →

Générer en local demande un peu plus d'effort qu'ouvrir Midjourney, mais les raisons de le faire sont concrètes et se cumulent vite dès qu'on dépasse l'usage occasionnel.

Coût nul à l'usage
une fois le matériel et les modèles en place, vous générez autant d'images que vous voulez sans crédit ni abonnement. Aucun quota mensuel, aucune facturation à l'image.
Confidentialité totale
vos prompts et vos images ne quittent jamais la machine. Décisif pour des visuels de produits non annoncés, du contenu client sous NDA ou des données sensibles.
Aucune censure côté serveur
les filtres de contenu des services cloud sont souvent larges et opaques. En local, c'est votre machine, vos règles — dans le cadre légal qui reste le vôtre.
Contrôle et reproductibilité
seed fixe, réglages exacts, modèles et LoRA choisis : vous reproduisez une image au pixel près, ce que les services cloud ne garantissent pas d'une mise à jour à l'autre.
Hors ligne
une fois les modèles téléchargés, tout fonctionne sans connexion. Pratique en déplacement ou sur un poste isolé.

#Les vraies options locales pour générer des images

Choisissez le parcours selon votre système et vos besoins : Ollama pour un essai expérimental sur macOS, Draw Things pour une interface Mac, ComfyUI pour composer des workflows, ou une autre interface compatible avec votre modèle. Les formats, licences et besoins mémoire diffèrent d'un modèle à l'autre.

AUTOMATIC1111 (Stable Diffusion WebUI)
l'interface web historique, riche et documentée. Onglets txt2img / img2img, extensions à foison, communauté énorme. Un peu vieillissante mais toujours la référence pour apprendre.
ComfyUI
une interface par graphe de nœuds : vous câblez le pipeline (modèle → sampler → VAE → sortie) visuellement. Courbe d'apprentissage plus raide, mais contrôle total et le meilleur support des modèles récents comme FLUX.
Fooocus
pensé pour la simplicité façon Midjourney : un champ de prompt, des presets, et l'outil gère le reste. Idéal pour démarrer sans comprendre le fonctionnement interne de la diffusion.
Draw Things (macOS / iOS)
application native Apple Silicon, gratuite, optimisée Metal et mémoire unifiée. De loin la voie la plus simple sur Mac : tout est intégré, y compris le téléchargement des modèles.
SD.Next
un fork d'AUTOMATIC1111 plus activement maintenu, avec un meilleur support multi-backend (CUDA, ROCm, Intel). Une bonne alternative si vous êtes sur GPU non-NVIDIA.
→
Quel outil pour qui
Débutant sous Windows/Linux → Fooocus. Sur Mac → Draw Things. Vous voulez apprendre et bidouiller → AUTOMATIC1111. Vous voulez le contrôle maximal et les modèles les plus récents → ComfyUI. Les modèles (.safetensors) sont partagés entre ces outils : rien n'empêche d'en essayer plusieurs.

#VRAM nécessaire selon le modèle de diffusion

La génération d'images est gourmande en VRAM, mais moins linéairement que les LLM : ce qui compte, c'est le modèle de diffusion choisi et la résolution visée. Voici des repères réalistes pour générer confortablement en 2026.

Stable Diffusion 1.5 — 4 Go de VRAM
le modèle le plus léger. Tourne même sur une carte modeste, images natives en 512×512. Daté mais rapide et très permissif côté matériel.
SDXL — 8 à 12 Go de VRAM
le standard qualité/accessibilité. Images natives 1024×1024, bon niveau de détail. Une RTX 3060 12GB suffit largement, une RTX 4070 est confortable.
FLUX (dev / schnell) — 12 à 24 Go de VRAM
la génération récente, qualité photoréaliste et respect du prompt nettement supérieurs. Les versions quantifiées (GGUF, fp8) descendent l'empreinte, mais 16 à 24 Go restent le vrai confort.
Mac Apple Silicon — mémoire unifiée
un M4 Pro 24-48 Go partage sa mémoire entre CPU et GPU : SDXL tourne sans souci, FLUX aussi avec un peu de patience. Plus lent qu'une RTX haut de gamme mais silencieux et sobre.
i
Sans GPU dédié, c'est possible mais lent
La génération sur CPU pur fonctionne (le mode --use-cpu d'AUTOMATIC1111, ou Draw Things sur un Mac d'entrée de gamme), mais comptez plusieurs minutes par image contre quelques secondes sur GPU. Pour un usage régulier, une carte avec au moins 8 Go de VRAM change tout.

#Installation la plus simple selon votre OS

Le chemin le plus court diffère selon la machine. Voici l'option la moins pénible pour chaque système, sans chercher l'exhaustivité.

#macOS (Apple Silicon) : Draw Things

Sur Mac, inutile de toucher à Python ou à une ligne de commande. Draw Things est une app native téléchargeable sur le Mac App Store : elle gère l'installation des modèles, l'optimisation Metal et l'interface dans un seul paquet.

  1. 01
    1. Installer l'application
    Cherchez « Draw Things » sur le Mac App Store et installez-la. Elle est gratuite.
  2. 02
    2. Télécharger un modèle
    Au premier lancement, l'app propose de récupérer un modèle de base (SDXL est un bon départ). Le téléchargement se fait depuis l'interface.
  3. 03
    3. Générer
    Tapez un prompt, laissez les réglages par défaut, cliquez sur Generate. La première image sort en quelques dizaines de secondes selon la puce.

#Windows / Linux avec GPU NVIDIA : Fooocus ou ComfyUI

Sur PC avec une carte NVIDIA, Fooocus est le plus rapide à mettre en route. Il télécharge son modèle par défaut au premier lancement et n'expose presque aucun réglage à configurer.

Terminal — installer Fooocus
# Prérequis : Python 3.10+ et un GPU NVIDIA avec pilotes récents
git clone https://github.com/lllyasviel/Fooocus.git
cd Fooocus
python -m venv venv
source venv/bin/activate    # Windows : venv\Scripts\activate
pip install -r requirements_versions.txt
python entry_with_update.py

Au lancement, Fooocus télécharge automatiquement un modèle SDXL, puis ouvre une interface web dans le navigateur (par défaut sur http://127.0.0.1:7865). Vous tapez un prompt, vous générez — c'est tout.

Si vous préférez le contrôle par nœuds et les modèles les plus récents, ComfyUI se lance de façon similaire :

Terminal — installer ComfyUI
git clone https://github.com/comfyanonymous/ComfyUI.git
cd ComfyUI
python -m venv venv
source venv/bin/activate
pip install -r requirements.txt
# Placez vos modèles .safetensors dans models/checkpoints/
python main.py
# Interface : http://127.0.0.1:8188
!
GPU AMD sur Windows : plus délicat
Le support ROCm sous Windows reste inégal. Sur GPU AMD, privilégiez Linux avec ROCm, ou une variante DirectML/SD.Next sous Windows. Attendez-vous à un peu de configuration — la même logique que pour faire tourner un LLM sur GPU AMD.

#Vos premiers résultats en 30 minutes

Une fois l'outil installé, voici la marche à suivre pour obtenir des images correctes rapidement, plutôt que de partir dans les réglages avancés dès le départ.

  1. 01
    1. Partez d'un modèle SDXL
    C'est le meilleur compromis qualité / VRAM / vitesse pour débuter. Gardez FLUX pour plus tard, quand vous voudrez plus de réalisme et que vous connaîtrez les limites de votre GPU.
  2. 02
    2. Écrivez un prompt descriptif
    Les modèles de diffusion aiment les descriptions concrètes : sujet, style, cadrage, lumière. Par exemple « un renard roux endormi dans une forêt de bouleaux, lumière dorée du matin, photographie, faible profondeur de champ ».
  3. 03
    3. Laissez les réglages par défaut
    Steps autour de 25-30, guidance (CFG) autour de 7 pour SDXL. Ne touchez à rien d'autre pour vos premiers essais : les valeurs par défaut de l'outil sont raisonnables.
  4. 04
    4. Fixez un seed pour itérer
    Un seed identique + un prompt légèrement modifié permet de voir l'effet d'un mot. C'est la vraie boucle de travail : changer un détail à la fois.
  5. 05
    5. Passez en img2img pour affiner
    Reprenez une image générée comme base et régénérez avec un « denoising » partiel pour corriger sans repartir de zéro.
→
Le prompt négatif fait la moitié du travail
La plupart des outils proposent un champ de prompt négatif : listez-y ce que vous ne voulez pas (« flou, mains déformées, texte, filigrane, basse résolution »). Sur SD 1.5 et SDXL, c'est souvent ce qui sépare une image ratée d'une image propre.

#Qualité attendue face à Midjourney et DALL-E

Soyons directs : sur la qualité brute « en un clic », Midjourney reste devant. Ses images sont esthétiquement flatteuses par défaut, sans effort de réglage. DALL-E, intégré à ChatGPT, excelle sur le respect d'un prompt complexe et le texte dans l'image. C'est le prix de modèles massifs entraînés et réglés par des équipes dédiées, servis depuis le cloud.

Mais l'écart n'est plus celui qu'on imagine. FLUX en local produit des images photoréalistes qui rivalisent avec Midjourney sur beaucoup de sujets, et SDXL bien prompté suffit largement pour la majorité des usages. Surtout, le local gagne sur des axes que le cloud ne peut pas offrir.

Contrôle fin
ControlNet (imposer une pose, une profondeur, des contours), inpainting précis, LoRA spécialisés : le local offre un niveau de pilotage que Midjourney et DALL-E n'exposent pas.
Personnalisation
des milliers de modèles et LoRA communautaires (styles, personnages, esthétiques) se téléchargent librement. Vous adaptez le modèle à votre besoin exact.
Volume et coût
générer mille variantes ne coûte que de l'électricité. En cloud, c'est autant de crédits consommés.
Effort initial
c'est le vrai compromis : Midjourney donne un beau résultat immédiatement, le local demande d'apprendre à prompter et à régler. Le retour sur cet effort est le contrôle et la gratuité à l'usage.

Le bon cadrage : le local ne remplace pas Midjourney pour une image ponctuelle et jolie sans se poser de questions. Il le dépasse dès que vous avez besoin de confidentialité, de volume, de reproductibilité ou d'un contrôle précis — et sa qualité de pointe, avec FLUX, n'a plus rien d'anecdotique.

#Dépannage courant

« CUDA out of memory »
le modèle ou la résolution dépasse votre VRAM. Baissez la résolution, activez le mode « medvram » / « lowvram » de l'outil, ou passez à un modèle plus léger (SDXL → SD 1.5, ou FLUX quantifié).
Images floues ou déformées
montez légèrement le nombre de steps, ajustez le CFG, et surtout renforcez le prompt négatif. Sur SDXL, vérifiez que vous générez bien en 1024×1024 et non en 512.
Génération très lente
confirmez que le GPU est bien utilisé (et pas le CPU par défaut). Sur NVIDIA, vérifiez les pilotes et la version de PyTorch compilée pour CUDA ; l'installeur de Fooocus/ComfyUI s'en charge normalement.
Mains et visages ratés
faiblesse classique des modèles de diffusion. Utilisez un module de restauration de visage, l'inpainting sur la zone concernée, ou un modèle/LoRA connu pour mieux gérer l'anatomie.

#Sources et vérification du 14 octobre 2026

Documentation officielle vérifiée le 14 octobre 2026. Les exigences peuvent évoluer : consultez ces sources avant une installation.

#Pour aller plus loin

La génération d'images cohabite naturellement avec le reste d'une stack IA locale. Ces guides du site complètent ce que vous venez de mettre en place :

Analyser des images plutôt que les créer
« LLM multimodal vision en local : analyser des images avec Ollama » couvre l'autre moitié du sujet image — la lecture et l'OCR avec un modèle de vision.
Comprendre la VRAM et le choix du GPU
les repères de mémoire de ce guide s'appuient sur la même logique que « Choisir sa quantification (Q4, Q5, Q8, FP16) », utile pour dimensionner sa carte.
Le reste de la stack texte
« Installer Ollama en 5 minutes » reste la base pour la partie langage, à faire tourner à côté de votre moteur de diffusion sur la même machine.
Ce guide vous a aidé ?

Un retour, une erreur, une précision ? Faites-nous signe, ça améliore le guide pour tout le monde.